条件概率、全概率公式、贝叶斯公式
因为 P ( A) 0.8,
P ( B ) 0.4,
P ( AB ) P ( B ),
P ( AB ) 0.4 1 . 所以 P ( B A) 0.8 2 P ( A)
第二节 全概率公式
再回忆一下条件概率的定义:
P( AB ) P( B | A) P( A) 要求 P( A) 0 .
第三章
第三章 条件概率与事件的独立性
一、条件概率 二、全概率公式 三、贝叶斯公式 四、事件的独立性 五、伯努利实验和二项概率
第一节 条件概率
前面讲的概率问题没有什么附加条件，但 实际中可能会经常遇到许多有条件的概率 问题比如： (1)已知某人爱滋病检查为阳性，求他患爱 滋病的概率； (2)在摸奖中已知第一人已经或未摸到一等 奖，求第二人摸到一等奖的概率。 (3)人寿保险中常常会考虑：已知某人已经 活了x岁，求他能再活y岁的概率。
完备事件组（样本空间的一个划分） 定义1 设事件Ａ1，Ａ2，…，Ａn为样本空间 的一组事件。 … A1 如果 A2 (1) Ai Aj= （i≠j）; (2)
An
A3 …
A
i 1
n
i
则称Ａ1，Ａ2，…，Ａn为样本空间的一 个划分。
定理 设试验Ｅ的样本空间为Ω， 设事件A1，A2，…，An为样本空间Ω的一 个划分， 且P(Ａi)>0 (i =1,2, …,n)． 则对任意事件B，有
古典概型
设 A 表示任取一球，取得白球； B 表示任取一球，取得木球.
所求的概率称为在事件A 发生的条件下 事件B 发生的条件概率。记为 P B A
从而有
4 k AB P ( B | A) kA 7 k AB / n 4 /10 k A / n 7 /10
P ( AB ) P ( A)
例2
一批产品100件
甲厂生产40件 70件正品 乙厂生产30件 甲厂生产20件 30件次品 乙厂生产10件
从中任取1件,记A=“取到正品”,B=“取到 甲厂产品”, 试计算P(A) 、P(B) 、P(AB) 、 P(B|A) 、P(A|B).
条件概率的计算方法
（1） 古 典 概 型 可用缩减样本空间法 （2） 其 他 概 型 用定义与有关公式
乙、丙三个厂中哪个厂生产的可能性大？
解
设事件A表示“取到的产品为正品”
B1 , B2 , B3 分别表示“产品由甲、乙、丙厂生产”
由已知 P ( B1 ) 0.2, P ( B2 ) 0.3, P ( B3 ) 0.5
P ( A B1 ) 0.95, P ( A B2 ) 0.9, P ( A B3 ) 0.8
解 设A、B、C 分别表示抽得产品是甲厂、乙厂、 丙厂生产的，D 表示抽得产品为正品，
P A 50%, P B 30%, P C 20% 则由已知，
P D | A 95%, P D | B 90%, P D | C 85%
从而任取一件产品为正品的概率可由全概率 公式得到：
i 1
1/ 70 1 . 3 / 70 3
这一类问题在实际中更为常见，它所求的是 条件概率，是已知某结果发生条件下，求各 原因发生可能性大小。
接下来我们介绍为解决这类问题而引出的
贝叶斯公式
第三节 贝叶斯公式
定理 设A1，A2，…，An为样本空间Ω的一个划 分，且 P(Ai)>0（i=1,2,…,n），则对于任何一事 件B (P(B)>0), 有
P D P D | A P A P D | B P B P D | C P C 95 50 90 30 85 20 100 100 100 100 100 100 0.915
实际中还有下面一类问题，是“已知结 果求原因”。
P( AB) P( A) P( B | A)
注意到
P( AB ) P( A) P( B | A)
A A
B B AB
AB
这样，由概率的可加性
P( B) P( AB) P( AB)
P( A) P( B | A) P( A) P( B | A)
这给我们提供了一个计算概率的方法。我们 把样本空间 分解成 A A ，概率 P( B ) 同样 分解成两部分分别计算，再求其和。
1.条件概率的定义
定义: 设A、B为两事件, P ( A ) > 0 则，称 P(AB) / P(A) 为事件 A 发生的条 件下事件B发生的条件概率，记为
P ( AB ) P ( B | A) P ( A) P ( AB ) 类似有 P ( A | B ) P( B)
(P ( B ) &g义：P ( A | B ) P( B) 若已知P(B), P(A|B)时, 可以反求P(AB).
即若P(B)>0,则P(AB)=P(B)P(A|B) (1)
2.乘法公式
(1)和(2)式都称为乘法公式,利用 它们可计算两个事件同时发生的概率 故 P(A)>0,则P(AB)=P(A)P(B|A) (2)
0.087.
即平均1000个具有阳性反应的人中大约只有 87人患有癌症.
推广
P ( A1 A2 A3 ) P ( A1 ) P ( A2 | A1 ) P ( A3 | A1 A2 ) ( P ( A1 A2 ) 0 )
P ( A1 A2 An ) P ( A1 ) P ( A2 | A1 ) ( P ( A1 A2 P ( An | A1 A2 An 1 )
例1 掷两颗均匀骰子,已知第一颗掷出6点,问 “掷出点数之和不小于10”的概率是多少?
解: 设A={掷出点数之和不小于10}
B={第一颗掷出6点}
3 36 1 P ( AB) P ( A | B) 6 36 2 P ( B)
条件概率的性质
非负性 规范性 可列可加性
P ( B A) 0
An 1 ) 0)
例1 已知P(A) = 0.5, P(B) = 0.5, P(B|A) = 0. 8
求P(AB) 及 P( A B )
解
(P27 习题三.1)
P( AB) P( A) P( B | A) 0.5 0.8 0.4
P( A B ) P( A B ) 1 P( A B ) 0.3
从甲盒取出的概率。
解 (1)设A1={从甲盒取出2个红球}， A2={从甲盒取出2个白球}； A3＝{从甲盒取出1个白球1个红球} ； B = {从乙盒取出2个红球}； 则A1, A2, A3 两两互斥，且A1∪A2∪A3=Ω, 所以 P(B)= P(A1)P(B|A1 )+P(A2)P(B|A2)+P(A3)P(B|A3)
P ( A) 1
P Bi A P Bi A i 1 i 1
P ( B1 B2 A) P ( B1 A) P ( B2 A) P ( B1B2 A) P ( B A) 1 P ( B A) P ( B1 B2 A) P ( B1 A) P ( B1 B2 A)
设A、B是某随机试验中的两个事件，且
P ( A) 0
则称事件B在“事件A已发生”这一附加条 件下的概率为在事件A已发生的条件下事件 B的条件概率，简称为B在A之下的条件概 率，记为 P ( B | A)
引例: 袋中有7只白球, 3只红球, 白球中 有4只木球, 3只塑料球; 红球中有2只木 球,1只塑料球现从袋中任取1球, 假设每 个球被取到的可能性相同. 若已知取到的 球是白球, 问它是木球的概率是多少？
某人从任一箱中任意摸 出一球，发现是红球,求该 球是取自1号箱的概率.
或者问: 该球取自哪号箱的 可能性最大? 1红 4白
1
2
3
引例 设甲盒有3个白球，2个红球，乙盒有4个
白球，1个红球，现从甲盒任取2球放入乙盒，
再从乙盒任取两球，求
(1)从乙盒取出2个红球的概率;
(2)已知从乙盒取出2个红球，求两个红球是
A1
…
P ( B ) P ( Ai ) P ( B | Ai ).
i 1
n
A2
B An
A3
…
全概率公式
例4 有一批产品是由甲、乙、丙三厂同时生产 的 . 其中甲厂产品占 50%, 乙厂产品占 30%, 丙厂 产品占20%,甲厂产品中正品率为95%,乙厂产品 正品率为90%,丙厂产品正品率为85%,如果从这 批产品中随机抽取一件 , 试计算该产品是正品 的概率多大?
解
P ( A C ) 0.95, P ( A C ) 1 P ( A | C ) 0.05,
P (C ) 0.005, P (C ) 0.995,
由贝叶斯公式得所求概率为
P (C A) P (C ) P ( A C ) P ( C ) P ( A C ) P (C ) P ( A C )
由全概率公式得：
P ( A) P ( Bi ) P ( A Bi )
i 1
3
0.2 0.95 0.3 0.9 0.5 0.8 0.86
由贝叶斯公式得
P ( B1 A) P ( B2 A) P ( B3 A) P ( B1 ) P ( A B1 ) P ( A) P ( B2 ) P ( A B2 ) P ( A) P ( B3 ) P ( A B3 ) P ( A) 0.2 0.95 0.2209 0.86 0.3 0.9 0.3140 0.86 0.5 0.8 0.4651 0.86
例3 某种动物由出生算起活20岁以上的概率为 0.8, 活到25岁以上的概率为0.4, 如果现在有一个 20岁的这种动物, 问它能活到25岁以上的概率是 多少? 解 设 A 表示“ 能活 20 岁以上 ” 的事件; B 表 示 “ 能活 25 岁以上”的事件,
合集下载
条件概率 乘法公式 全概率公式 贝叶斯公式
n), 则 P ( A) P ( A B1 ) P ( B1 ) P ( A B2 ) P ( B2Bn )
称为全概率公式.
B2
A
B1
Bn1 Bn
B3
证 因为
A AS A( B1 B2 Bn )
B2
A
B1
Bn1 Bn
那么, 全概率公式和贝叶斯公式变为
P ( A) P ( A B ) P ( B ) P ( A B ) P ( B ),
P( A B )P(B ) P ( AB ) . P ( B A) P ( A) P ( A B ) P ( B ) P ( A B ) P ( B )
例5
某电子设备制造厂所用的元件是由三家
打破”.以B表示事件“透镜落下三次而未打破 ” .
因为B A1 A2 A3 , 故有 P ( B ) P ( A1 A2 A3 ) P ( A3 A1 A2 ) P ( A2 A1 ) P ( A1 ) 7 1 9 1 1 1 2 10 10
P ( B1 ) 0.3,
P ( B2 ) 0.5,
P ( B3 ) 0.2,
P ( A B1 ) 0.02, P ( A B2 ) 0.01, P ( A B3 ) 0.01, 故 P ( A) P ( A B1 ) P ( B1 ) P ( A B2 ) P ( B2 ) P ( A B3 ) P ( B3 )
例4 设某光学仪器厂制造的透镜, 第一次落下 时打破的概率为1/2, 若第一次落下未打破, 第二次 落下打破的概率为7/10, 若前两次落下未打破, 第三 次落下打破的概率为9/10. 试求透镜落下三次而未 打破的概率.（积事件概率） 解 以Ai ( i 1,2,3,4)表示事件“透镜第 i次落下
称为全概率公式.
B2
A
B1
Bn1 Bn
B3
证 因为
A AS A( B1 B2 Bn )
B2
A
B1
Bn1 Bn
那么, 全概率公式和贝叶斯公式变为
P ( A) P ( A B ) P ( B ) P ( A B ) P ( B ),
P( A B )P(B ) P ( AB ) . P ( B A) P ( A) P ( A B ) P ( B ) P ( A B ) P ( B )
例5
某电子设备制造厂所用的元件是由三家
打破”.以B表示事件“透镜落下三次而未打破 ” .
因为B A1 A2 A3 , 故有 P ( B ) P ( A1 A2 A3 ) P ( A3 A1 A2 ) P ( A2 A1 ) P ( A1 ) 7 1 9 1 1 1 2 10 10
P ( B1 ) 0.3,
P ( B2 ) 0.5,
P ( B3 ) 0.2,
P ( A B1 ) 0.02, P ( A B2 ) 0.01, P ( A B3 ) 0.01, 故 P ( A) P ( A B1 ) P ( B1 ) P ( A B2 ) P ( B2 ) P ( A B3 ) P ( B3 )
例4 设某光学仪器厂制造的透镜, 第一次落下 时打破的概率为1/2, 若第一次落下未打破, 第二次 落下打破的概率为7/10, 若前两次落下未打破, 第三 次落下打破的概率为9/10. 试求透镜落下三次而未 打破的概率.（积事件概率） 解 以Ai ( i 1,2,3,4)表示事件“透镜第 i次落下
1-5全概率公式贝叶斯公式
= 0.087.
即平均1000个具有阳性反应的人中大约只有 人 个具有阳性反应的人中大约只有87人 即平均 个具有阳性反应的人中大约只有 患有癌症. 患有癌症
课堂练习
社会调查把居民按收入分为高、 低三类, 社会调查把居民按收入分为高、中、低三类 调查结果是这三类居民分别占总户数的10%， 调查结果是这三类居民分别占总户数的 ， 60%，30%，而银行存款在一万元以上的户数 ， ， 在这三类居民中分别为100 %，60%， 在这三类居民中分别为100 %，60%，5%. 1. 求存款在一万元以上的户数在全体居民中 的比率. 2. 若已知某户的存款在一万元以上，求该户 若已知某户的存款在一万元以上， 属中等收入家庭的概率. 属中等收入家庭的概率
= P( A B0 ) P( B0 ) + P( A B1 ) P( B1 ) + P( A B2 ) P( B2 )
≈ 0.94
P( AB1 ) P( A B1 ) P ( B1 ) = P( B1 A) = P( A) P ( A)
≈ 0.0848
i =1 n
全概率公式
证明 B = BΩ = B I ( A U A U L A ) 1 2 n
= BA1 U BA2 U L U BAn .
由 Ai A j = ∅ ⇒ ( BAi )( BA j ) = ∅
⇒ P ( B ) = P ( BA1 ) + P ( BA2 ) + L + P ( BAn ) ⇒ P ( B ) = P ( A1 ) P ( B | A1 ) + P ( A2 ) P ( B | A2 ) + L + P ( An ) P ( B | An )
A2
全概率公式贝叶斯公式推导过程
全概率公式贝叶斯公式推导过程Standardization of sany group #QS8QHH-HHGX8Q8-GNHHJ8-HHMHGN#全概率公式、贝叶斯公式推导过程（1）条件概率公式设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：P(A|B)=P(AB)/P(B)（2）乘法公式1.由条件概率公式得：P(AB)=P(A|B)P(B)=P(B|A)P(A)上式即为乘法公式；2.乘法公式的推广：对于任何正整数n≥（1）条件概率公式设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：P(A|B)=P(AB)/P(B)（2）乘法公式1.由条件概率公式得：P(AB)=P(A|B)P(B)=P(B|A)P(A)上式即为乘法公式；2.乘法公式的推广：对于任何正整数n≥2，当P(A1A2...An-1) > 0 时，有：P(A1A2...An-1An)=P(A1)P(A2|A1)P(A3|A1A2)...P(An|A1A2...An-1)（3）全概率公式1. 如果事件组B1，B2，.... 满足，B2....两两互斥，即 Bi∩ Bj= ，i≠j ， i,j=1，2，....，且P(Bi)>0,i=1,2,....;∪B2∪....=Ω，则称事件组 B1,B2,...是样本空间Ω的一个划分设B1,B2,...是样本空间Ω的一个划分，A为任一事件，则：上式即为全概率公式（formula of total probability)2.全概率公式的意义在于，当直接计算P(A)较为困难,而P(Bi ),P(A|Bi)(i=1,2,...)的计算较为简单时，可以利用全概率公式计算P(A)。
思想就是，将事件A分解成几个小事件，通过求小事件的概率，然后相加从而求得事件A 的概率，而将事件A进行分割的时候，不是直接对A进行分割，而是先找到样本空间Ω的一个个划分B1,B2,...Bn,这样事件A就被事件AB1,AB2,...ABn分解成了n部分，即A=AB1+AB2+...+ABn, 每一Bi发生都可能导致A发生相应的概率是P(A|Bi)，由加法公式得P(A)=P(AB1)+P(AB2)+....+P(ABn)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(PBn)3.实例：某车间用甲、乙、丙三台机床进行生产，各台机床次品率分别为5%，4%，2%，它们各自的产品分别占总量的25%，35%，40%，将它们的产品混在一起，求任取一个产品是次品的概率。
条件概率、全概公式、贝叶斯公式
应用定义
P(AB 3 36 1 ) P(A| B) = = = 。 P(B ) 6 36 2 解法2: 解法 P(A| B) = 3 = 1。 6 2
在B发生后的 发生后的 缩减样本空间 中计算
设某种动物由出生算起活到20年以上的 例2: 设某种动物由出生算起活到 年以上的 概率为0.8，活到25年以上的概率为 年以上的概率为0.4。 概率为 ，活到 年以上的概率为 。问 现年20岁的这种动物 它能活到25岁以上的 岁的这种动物， 现年 岁的这种动物，它能活到 岁以上的 概率是多少？ 概率是多少？ 能活20年以上 能活25年以上 解:设A={能活 年以上 B={能活 年以上 设 能活 年以上}, 能活 年以上}, 所求为P(B|A) 。 所求为 依题意， 依题意， P(A)=0.8, P(B)=0.4， ，
“先抽的人当然要比后抽的人抽到的人机会大。” 先抽的人当然要比后抽的人抽到的人机会大。 先抽的人当然要比后抽的人抽到的人机会大
我们用A 表示“ 个人抽到入场券 个人抽到入场券” 我们用 i表示“第i个人抽到入场券”， i＝1,2,3,4,5。 ＝ 。 表示“ 个人未抽到入场券 个人未抽到入场券” 则 A “第i个人未抽到入场券”， 表示 i 显然，P(A1)=1/5，P( A)＝4/5， 显然， ， ， 1＝ 也就是说， 也就是说， 个人抽到入场券的概率是1/5。 第1个人抽到入场券的概率是 。 个人抽到入场券的概率是
乙两厂共同生产1000个零件，其中 个零件， 例3: 甲、乙两厂共同生产 个零件 其中300 件是乙厂生产的。而在这300个零件中，有189个 个零件中， 件是乙厂生产的。而在这 个零件中 个 是标准件，现从这1000个零件中任取一个，问这 个零件中任取一个， 是标准件，现从这 个零件中任取一个 个零件是乙厂生产的标准件的概率是多少？ 个零件是乙厂生产的标准件的概率是多少？ 零件是乙厂生产}， 设B={零件是乙厂生产 ， 零件是乙厂生产 A={是标准件 ， 是标准件}， 是标准件 所求为P(AB)。 。 所求为
P(AB 3 36 1 ) P(A| B) = = = 。 P(B ) 6 36 2 解法2: 解法 P(A| B) = 3 = 1。 6 2
在B发生后的 发生后的 缩减样本空间 中计算
设某种动物由出生算起活到20年以上的 例2: 设某种动物由出生算起活到 年以上的 概率为0.8，活到25年以上的概率为 年以上的概率为0.4。 概率为 ，活到 年以上的概率为 。问 现年20岁的这种动物 它能活到25岁以上的 岁的这种动物， 现年 岁的这种动物，它能活到 岁以上的 概率是多少？ 概率是多少？ 能活20年以上 能活25年以上 解:设A={能活 年以上 B={能活 年以上 设 能活 年以上}, 能活 年以上}, 所求为P(B|A) 。 所求为 依题意， 依题意， P(A)=0.8, P(B)=0.4， ，
“先抽的人当然要比后抽的人抽到的人机会大。” 先抽的人当然要比后抽的人抽到的人机会大。 先抽的人当然要比后抽的人抽到的人机会大
我们用A 表示“ 个人抽到入场券 个人抽到入场券” 我们用 i表示“第i个人抽到入场券”， i＝1,2,3,4,5。 ＝ 。 表示“ 个人未抽到入场券 个人未抽到入场券” 则 A “第i个人未抽到入场券”， 表示 i 显然，P(A1)=1/5，P( A)＝4/5， 显然， ， ， 1＝ 也就是说， 也就是说， 个人抽到入场券的概率是1/5。 第1个人抽到入场券的概率是 。 个人抽到入场券的概率是
乙两厂共同生产1000个零件，其中 个零件， 例3: 甲、乙两厂共同生产 个零件 其中300 件是乙厂生产的。而在这300个零件中，有189个 个零件中， 件是乙厂生产的。而在这 个零件中 个 是标准件，现从这1000个零件中任取一个，问这 个零件中任取一个， 是标准件，现从这 个零件中任取一个 个零件是乙厂生产的标准件的概率是多少？ 个零件是乙厂生产的标准件的概率是多少？ 零件是乙厂生产}， 设B={零件是乙厂生产 ， 零件是乙厂生产 A={是标准件 ， 是标准件}， 是标准件 所求为P(AB)。 。 所求为
1.4条件概率及有关公式
i 1
23
贝叶斯公式在实际中有很多应用，它 可以帮助人们确定某结果（事件 B）发生 的最可能原因.
24
例 8 某一地区患有癌症的人占0.005，患者 对一种试验反应是阳性的概率为0.95，正常 人对这种试验反应是阳性的概率为0.04，现 抽查了一个人，试验反应是阳性，问此人是 癌症患者的概率有多大? 求解如下: 设 C={抽查的人患有癌症}， A={试验结果是阳性}， 则 C 表示“抽查的人不患癌症”.
设B1,B2,…,Bn互不相容, A Bi ,
i 1
n
P(B )P( A | B )
i 1 i i
n
( k 1,2,..., n)
P ( ABk ) 分析: P ( Bk | A) P ( A) P ( Bk ) P ( A | Bk ) 乘 法 公 式 n P ( Bi ) P ( A | Bi ) 全 概 率 公 式
5
分析: : n个样本点 B: m个样本点 AB: k个样本点 在B已发生的条件下,试验结果为m 中的一个, 这时A发生当且仅当AB中的 某一样本点发生,故 P ( AB ) k k / n P ( A | B) m m/n P( B) 相当于“缩小了样本空间”
6
条件概率的 性质: (1)非负性: 0≤P(A|B)≤1 (2) 规范性: P(|B)=1 (3)可列可加性:若Ak (k=1, 2, …)两两互 斥,则
(3)
11
推广到一般情形中: 若n个事件A1, A2, …, An满足条件： P(A1A2…Ak)>0 (k=1, 2, …, n1), 则： P(A1A2…An)=P(A1)P(A2|A1)P(A3|A1A2) … P(An|A1A2…An1)
23
贝叶斯公式在实际中有很多应用，它 可以帮助人们确定某结果（事件 B）发生 的最可能原因.
24
例 8 某一地区患有癌症的人占0.005，患者 对一种试验反应是阳性的概率为0.95，正常 人对这种试验反应是阳性的概率为0.04，现 抽查了一个人，试验反应是阳性，问此人是 癌症患者的概率有多大? 求解如下: 设 C={抽查的人患有癌症}， A={试验结果是阳性}， 则 C 表示“抽查的人不患癌症”.
设B1,B2,…,Bn互不相容, A Bi ,
i 1
n
P(B )P( A | B )
i 1 i i
n
( k 1,2,..., n)
P ( ABk ) 分析: P ( Bk | A) P ( A) P ( Bk ) P ( A | Bk ) 乘 法 公 式 n P ( Bi ) P ( A | Bi ) 全 概 率 公 式
5
分析: : n个样本点 B: m个样本点 AB: k个样本点 在B已发生的条件下,试验结果为m 中的一个, 这时A发生当且仅当AB中的 某一样本点发生,故 P ( AB ) k k / n P ( A | B) m m/n P( B) 相当于“缩小了样本空间”
6
条件概率的 性质: (1)非负性: 0≤P(A|B)≤1 (2) 规范性: P(|B)=1 (3)可列可加性:若Ak (k=1, 2, …)两两互 斥,则
(3)
11
推广到一般情形中: 若n个事件A1, A2, …, An满足条件： P(A1A2…Ak)>0 (k=1, 2, …, n1), 则： P(A1A2…An)=P(A1)P(A2|A1)P(A3|A1A2) … P(An|A1A2…An1)
1.3,1.4条件概率,全概率公式
解 设 A表示抽到的为男子，B表示抽到的是女子。
C表示抽到的人有色盲症。
则
1 P( A) P( B) , P(C | A) 0.05, P(C | B) 0.0025 2
由Bayes公式有
P( A) P(C | A) 0.5 0.05 P( A | C ) P( A) P(C | A) P( B) P(C | B) 0.5 0.05 0.5 0.0025
2 1 3 2 2 , 5 4 5 4 5
P( A3 ) P( A3) P( A3 ( A1 A2 A1 A2 A1 A2 ))
P ( A1 A2 A3 ) P ( A1 A2 A3 ) P ( A1 A2 A3 )
P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 )
i 1 n
全概率公式
证明 B B B ( A A A ) 1 2 n
BA1 BA2 BAn .
由 Ai A j ( BAi )( BAj ) P( B) P( BA1 ) P( BA2 ) P( BAn ) P( B) P( A1 ) P( B | A1 ) P( A2 ) P( B | A2 )
解
设Ａ表示取得一等品，Ｂ表示取得合格品，则
（1）因为100 件产品中有 70 件一等品，所以 70 P( A) 0.7 100 因为95 件合格品中有 70 件一等品，所以 （2）方法1： 70 P( A B) 0.7368 95 方法2：
C表示抽到的人有色盲症。
则
1 P( A) P( B) , P(C | A) 0.05, P(C | B) 0.0025 2
由Bayes公式有
P( A) P(C | A) 0.5 0.05 P( A | C ) P( A) P(C | A) P( B) P(C | B) 0.5 0.05 0.5 0.0025
2 1 3 2 2 , 5 4 5 4 5
P( A3 ) P( A3) P( A3 ( A1 A2 A1 A2 A1 A2 ))
P ( A1 A2 A3 ) P ( A1 A2 A3 ) P ( A1 A2 A3 )
P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 )
i 1 n
全概率公式
证明 B B B ( A A A ) 1 2 n
BA1 BA2 BAn .
由 Ai A j ( BAi )( BAj ) P( B) P( BA1 ) P( BA2 ) P( BAn ) P( B) P( A1 ) P( B | A1 ) P( A2 ) P( B | A2 )
解
设Ａ表示取得一等品，Ｂ表示取得合格品，则
（1）因为100 件产品中有 70 件一等品，所以 70 P( A) 0.7 100 因为95 件合格品中有 70 件一等品，所以 （2）方法1： 70 P( A B) 0.7368 95 方法2：
全概率公式、贝叶斯公式推导过程
全概率公式、贝叶斯公式推导过程（1）条件概率公式设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：P(A|B)=P(AB)/P(B)（2）乘法公式1.由条件概率公式得：P(AB)=P(A|B)P(B)=P(B|A)P(A)上式即为乘法公式；2.乘法公式的推广：对于任何正整数n≥全概率公式、贝叶斯公式推导过程（1）条件概率公式设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：P(A|B)=P(AB)/P(B)（2）乘法公式1.由条件概率公式得：P(AB)=P(A|B)P(B)=P(B|A)P(A)上式即为乘法公式；2.乘法公式的推广：对于任何正整数n≥2，当P(A1A2...A n-1) > 0 时，有：P(A1A2...A n-1A n)=P(A1)P(A2|A1)P(A3|A1A2)...P(A n|A1A2...A n-1)（3）全概率公式1. 如果事件组B1，B2，.... 满足1.B1，B2....两两互斥，即B i ∩ B j = ∅，i≠j ，i,j=1，2，....，且P(B i)>0,i=1,2,....;2.B1∪B2∪....=Ω ，则称事件组B1,B2,...是样本空间Ω的一个划分设 B1,B2,...是样本空间Ω的一个划分，A为任一事件，则：上式即为全概率公式（formula of total probability)2.全概率公式的意义在于，当直接计算P(A)较为困难,而P(B i),P(A|B i) (i=1,2,...)的计算较为简单时，可以利用全概率公式计算P(A)。
思想就是，将事件A分解成几个小事件，通过求小事件的概率，然后相加从而求得事件A的概率，而将事件A进行分割的时候，不是直接对A进行分割，而是先找到样本空间Ω的一个个划分B1,B2,...B n,这样事件A就被事件AB1,AB2,...AB n分解成了n部分，即A=AB1+AB2+...+AB n, 每一B i发生都可能导致A发生相应的概率是P(A|B i)，由加法公式得P(A)=P(AB1)+P(AB2)+....+P(AB n)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|B n)P(PB n)3.实例：某车间用甲、乙、丙三台机床进行生产，各台机床次品率分别为5%，4%，2%，它们各自的产品分别占总量的25%，35%，40%，将它们的产品混在一起，求任取一个产品是次品的概率。
1.4条件概率、全概率公式、贝叶斯公式
P ( B1
|
A)
P(B1 ) P( A | B1 ) P(B1 ) P( A | B1 ) P(B2 ) P( A |
B2 )
0.55. P(B3 )
条件概率、全概率公式、贝叶斯公式
注
（1）PBi 称为“先验概率”， PBi | A 称为“后验概率”；
（2）贝叶斯公式——探求结果 A的发生由原因 Bi 所导致的概率；
为色盲，求此人是男性的概率？
解 设 A 表示“抽取的人为色盲”，B 表示“抽取的人为男性”，则
P( A) P(B) P( A | B) P(B) P( A | B)
3 5% 2 2.5% 4%.
5
5
P(B | A) ?
P(B | A) P( AB)
P(B)P(A| B)
3.
P( A) P(B) P( A | B) P(B) P( A | B) 4
4%，2%，4%. 试计算:（1）从总产品中任取一件是不合格产品
的概率;（2）从总产品中任取一件是不合格产品，那么这件产品
是由 1 号工厂生产的概率?
解 设 A 表示“从总产品中任取一件是不合格产品”，Bi (i 1, 2, 3) 表示“从总产品中任取一件是第 i 号工厂生产的”.
P( A) P(B1 ) P( A | B1 ) P(B2 ) P( A | B2 ) P(B3 ) P( A | B3 ) 45%4% 35%2% 20%4% 0.033.
PB
|
A
P( AB) P( A)
0.2 0.4
1， 2
（2） P B
|
A B
P
BA B PA B
P A
P B PB
P AB
1.5条件概率、全概率公式和贝叶斯公式.
木球, 3只塑料球; 红球中有2只木球, 1只塑料
球. 现从袋中任取1球, 假设每个球被取到的可
能性相同. 若已知取到的球是白球, 问它是木
球的概率是多少？
古典概型
设 A 表示任取一球，取得白球； B 表示任取一球，取得木球.
所求的概率称为在事件A 发生的条件下事件
B 发生的条件概率。记为 PB A
解 据题意，样本空间为 ｛(男,男)，(男, 女)，(女,男), (女, 女)｝. 设A ｛已知一个是女孩｝
｛(男, 女)，(女,男), (女, 女)｝. B {另一个也是女孩｝｛(女, 女)｝.
于是所求事件的概率为
P（B | A） P(AB) 1/ 4 1. P(A) 3/ 4 3
假 设 每 次 乡 试 ， 范 进 考中 的 概 率 为0.3(非 常 小)， 令Ai ｛ 第i次 乡 试 未 考 中 ｝ ，i 1，2， ， 则 他 连 考 十次都不中的概率为 P( A1A2 A10 ) P( A1)P( A2 | A1) P( A10 | A1A2 A9 ) (1 0.3)10 0.0282.
10000小时未坏的概率为1 2，现有一只这种灯泡已经使
用了5000小时未坏，问它能用到10000小时的概率是多
少？
解 设B=“灯泡用到5000小时”，A=“灯泡用到10000小
时我们”知道用到10000小时的灯泡一定用了5000小时，
即
PB 3 , PA 1
4
2
A B, 所以AB=A， PAB PA
入场 券
5张同样的卡片,只有一张上写有“入场券”,其余的 什么也没写. 将它们放在一起,洗匀,让5个人依次抽 取.
“先抽的人当然要比后抽的人抽到的机会大. ”
《概率论》第1章§1.5 条件概率、全概率公式和贝叶斯公式
B1 B2 Bn S
P( Bi ) 0, i 1, 2, , n
则称 {B1, B2, , Bn}为样本空间 S 的一个分划 将 P( A) 的计算分解到
B1, B2 , , Bn
B1 B2 B4 B3
A
Bn
上计算然后求和
第一章
事件与概率
§1.5 条件概率、全概率公式和贝叶斯公式
13/22
设 {B1, B2, , Bn} 为样本空间 S 的一个分划，即
S B1 B2 Bn
对任何事件 A 有
A AS AB1 AB2 ABn
于是
P( A) P( AB1 AB2 ABn ) P( AB1) P( AB2 ) P( ABn ) P( A | B1) P( B1) P( A | B2 ) P( B2 ) P( A | B n ) P( B n )
第一章
事件与概率
§1.5 条件概率、全概率公式和贝叶斯公式
P( | B)
P( A | B ) 0
3/22
设 P( B) 0, 有
对于任一事件 A有
对于必然事件 S 有
P( S | B) 1
设是 { Ak }两两不相容事件列，则有
P( Ak | B)
k 1 k 1
P( Ak | B)
条件概率是定义的，但条件概率的值通常是根 据实际问题中的具体意义确定的
第一章 事件与概率
§1.5 条件概率、全概率公式和贝叶斯公式
10/22
袋中有 1只红球、n 1只白球，依次将球一个个从 袋中取出. 求第 k 次 (k 1, 2, , n ) 取出红球的概率. 记 Ak { 第 k 次取到红球 } , ( k 1, 2, , n) 则所求概率为 pk P(( A1 是不是所求概率？ P Ak ) Ak 1 Ak )
P( Bi ) 0, i 1, 2, , n
则称 {B1, B2, , Bn}为样本空间 S 的一个分划 将 P( A) 的计算分解到
B1, B2 , , Bn
B1 B2 B4 B3
A
Bn
上计算然后求和
第一章
事件与概率
§1.5 条件概率、全概率公式和贝叶斯公式
13/22
设 {B1, B2, , Bn} 为样本空间 S 的一个分划，即
S B1 B2 Bn
对任何事件 A 有
A AS AB1 AB2 ABn
于是
P( A) P( AB1 AB2 ABn ) P( AB1) P( AB2 ) P( ABn ) P( A | B1) P( B1) P( A | B2 ) P( B2 ) P( A | B n ) P( B n )
第一章
事件与概率
§1.5 条件概率、全概率公式和贝叶斯公式
P( | B)
P( A | B ) 0
3/22
设 P( B) 0, 有
对于任一事件 A有
对于必然事件 S 有
P( S | B) 1
设是 { Ak }两两不相容事件列，则有
P( Ak | B)
k 1 k 1
P( Ak | B)
条件概率是定义的，但条件概率的值通常是根 据实际问题中的具体意义确定的
第一章 事件与概率
§1.5 条件概率、全概率公式和贝叶斯公式
10/22
袋中有 1只红球、n 1只白球，依次将球一个个从 袋中取出. 求第 k 次 (k 1, 2, , n ) 取出红球的概率. 记 Ak { 第 k 次取到红球 } , ( k 1, 2, , n) 则所求概率为 pk P(( A1 是不是所求概率？ P Ak ) Ak 1 Ak )